Multimodality imaging in cardiology : application to the assessment of aortic bioprostheses
Notice bibliographique
Résumé
L’incidence et la prévalence des maladies valvulaires sont en augmentation, l’épidémiologie de ces maladies se modifie avec une prépondérance des maladies dégénératives, et le traitement considéré est le plus souvent le remplacement valvulaire prothétique, notamment dans le cadre de la sténose aortique qui est la maladie valvulaire la plus fréquente. Les techniques de remplacement valvulaire et les prothèses valvulaires ont grandement évolué ces dernières années, notamment avec le développement des implantations de prothèses par voie percutanée. Cependant les substituts valvulaires aortiques biologiques sont exposés à des complications diverses mettant en jeu la fonction de la prothèse : fuite péri-prothétique, endocardite infectieuse, dégénérescence des tissus biologiques. Ces complications restent des challenges diagnostiques et l’échographie est l’imagerie de référence. Cependant, l’imagerie cardiaque et valvulaire a réalisé de grands progrès, et l’utilisation d’autres techniques ou modalités d’imagerie peut être une alternative ou un complément à l’exploration par échocardiographie : imagerie par scanner, imagerie par résonance magnétique, imagerie nucléaire. Le recours et la combinaison de ces différentes techniques s’intègrent dans une approche globale, nommée imagerie multimodale. L’objectif général de ce projet de doctorat a été d’étudier l’apport de l’imagerie multimodale dans la surveillance des bioprothèses aortiques et l’évaluation des complications et de la dégénérescence structurelle qui peuvent survenir.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».